A machine learning-driven multi-objective optimization model for enhancing the mechanical properties of silica fume-modified magnesium phosphate cement concrete
Abstract
摘要 硅灰在磷酸镁水泥混凝土中通过物理填充、化学活化和化学反应等多重作用, 可显著提升材料力学性能、体积稳定性和耐久性, 但会降低工作性并缩短凝结时间. 因此, 需要通过机器学习优化其掺量以实现性能平衡与力学性能最大化. 本研究基于634组多龄期数据(0.125/1/3/7/28/90天), 采用线性回归(LR)、决策树(DT)、随机森林(RF)、极端梯度提升(XGBoost)和人工神经网络(ANN)五种算法构建预测模型, 并通过SHapley加性解释(SHAP分析)确定最优硅灰掺量. 结果表明, 在28天养护时获得磷酸镁水泥混凝土最优力学性能(强度68±3 MPa), 对应配比为硅灰20~25%、水胶比0.25~0.30, 同时证实7天早强需增加硅灰至25~30%, 90天耐久性需控制水胶比≤0.28. 本研究为磷酸镁水泥混凝土的配比设计提供了重要的理论依据和实践指导.
Fields of Study & Subjects
Concrete and Cement Materials Research
Magnesium Oxide Properties and Applications
Innovative concrete reinforcement materials
Publication details
- Journal / source
- Scientia Sinica Technologica
- Volume
- 56
- Issue
- 9
- Pages
- 2153–2171
- Publication date
- 5 February 2026
- Language
- EN